评估节点
这个 eval 节点会评估它接收到的每个数据点上的表达式。可以提供一个表达式的列表，并将按照给定顺序进行评估。表达式的结果可以在列表中后面的表达式中使用。有关如何引用结果的详细信息，请参见属性 EvalNode.As。
示例:
stream
|eval(lambda: "error_count" / "total_count")
.as('error_percent')
上述示例将为每个数据点添加一个新字段 error_percent，其结果为 error_count / total_count，其中 error_count 和 total_count 是数据点上现有的字段。
可用统计数据：
- eval_errors: 评估任何表达式时的错误数量。
构造函数
| 链式方法 | 描述 |
|---|---|
eval ( expressions ...ast.LambdaNode) | 创建一个评估节点，该节点将对每个数据点评估给定的转换函数。可以提供表达式列表，并将按照给定的顺序进行评估。结果可用于后续表达式。 |
属性方法
| 设置器 | 描述 |
|---|---|
as ( names ...string) | 每个表达式的名称列表。表达式按顺序评估。表达式的结果可以通过提供的名称在后续表达式中引用。 |
keep ( fields ...string) | 如果调用，将保留现有字段以及所设置的新字段。如果不调用，则仅保留新字段。（无论如何使用keep，标签总是被保留。） |
| quiet ( ) | 抑制此节点的所有错误日志事件。 |
tags ( names ...string) | 将表达式的结果转换为标签。结果必须是字符串。使用string()表达式函数进行类型转换。 |
链式调用方法
警报, 屏障, 底部, 变化检测, 合并, 计数, 累计和, 死人, 默认, 删除, 导数, 差异, 唯一, Ec2自动缩放, 经过时间, 评估, 第一次, 扁平化, 分组, 霍尔特-温特斯, 霍尔特-温特斯与拟合, Http输出, HttpPOST, InfluxDB输出, 连接, K8s自动缩放, Kapacitor循环回路, 最后, 日志, 最大值, 平均值, 中位数, 最小值, 众数, 移动平均, 百分位数, 样本, 移位, 旁加载, 传播, 状态计数, 状态持续时间, 统计, 标准差, 总和, 群体自动缩放, 顶部, 涓涓细流, 并集, 条件, 窗口
属性
属性方法修改调用节点的状态。它们不会向管道中添加另一个节点，并始终返回对调用节点的引用。属性方法使用.运算符标记。
作为
每个表达式的名称列表。 表达式按顺序求值。 表达式的结果可以通过提供的名称在后续表达式中引用。
示例:
stream
|eval(lambda: "value" * "value", lambda: 1.0 / "value2")
.as('value2', 'inv_value2')
上述示例根据值计算两个字段，并分别命名为
value2 和 inv_value2。
eval.as(names ...string)
保持
如果调用现有字段，将保留现有字段以及设置的新字段。 如果不调用，则仅保留新字段。（标签始终被保留，无论如何使用 keep。）
可选地，可以通过传递一个要保留的字段名称列表来丢弃中间值。只有列表中的字段会被保留，其余字段将被丢弃。如果没有提供列表，则保留所有字段。
示例:
stream
|eval(lambda: "value" * "value", lambda: 1.0 / "value2")
.as('value2', 'inv_value2')
.keep('value', 'inv_value2')
在上述示例中，原始字段 value 被保留。
新字段 value2 被计算并用于评估
inv_value2，但在发送到子节点之前被丢弃。
结果点只有两个字段： value 和 inv_value2。
eval.keep(fields ...string)
安静
抑制来自此节点的所有错误日志事件。
eval.quiet()
标签
将表达式的结果转换为标签。 结果必须是字符串。 使用string()表达式函数来转换类型。
示例:
stream
|eval(lambda: string(floor("value" / 10.0)))
.as('value_bucket')
.tags('value_bucket')
上述示例从字段 value 计算出一个表达式，将其转换为字符串，并命名为 value_bucket。
然后将 value_bucket 表达式从点上的字段转换为点上的标签 value_bucket。
示例:
stream
|eval(lambda: string(floor("value" / 10.0)))
.as('value_bucket')
.tags('value_bucket')
.keep('value') // keep the original field `value` as well
上述示例从字段 value 计算一个表达式，将其转换为字符串，并命名为 value_bucket。value_bucket 表达式随后从点上的字段转换为点上的标签 value_bucket。keep 属性保留原始字段 value。标签总是被保留，因为创建标签意味着您希望保留它。
eval.tags(names ...string)
链式调用方法
链式方法在调用节点的子节点中创建一个新的节点。它们不会修改调用节点。链式方法使用 | 运算符标记。
警告
创建一个警报节点，可以触发警报。
eval|alert()
返回: AlertNode
障碍
创建一个新的障碍节点，它定期发出障碍消息。
每个周期都会发出一条 barrier消息。
eval|barrier()
返回: BarrierNode
底部
选择底部 num 点用于 field 并按任何额外标签或字段排序。
eval|bottom(num int64, field string, fieldsAndTags ...string)
返回: InfluxQLNode
变更检测
创建一个新节点，只有在与前一个点不同的情况下才发出新点。
eval|changeDetect(field string)
返回: ChangeDetectNode
合并
将此节点与自身结合。数据根据时间戳进行结合。
eval|combine(expressions ...ast.LambdaNode)
返回： CombineNode
计数
计算点的数量。
eval|count(field string)
返回: InfluxQLNode
累积和
计算每个接收到的点的累积和。 每收集到一个点就会发出一个点。
eval|cumulativeSum(field string)
返回: InfluxQLNode
死者
用于在低吞吐量时创建警报的辅助函数，也称为死手开关。
- 阈值：如果吞吐量在点/区间中下降到阈值以下，则触发警报。
- 间隔：检查吞吐量的频率。
- 表达式：可选的表达式列表，供评估使用。对于时间警报非常有用。
示例:
var data = stream
|from()...
// Trigger critical alert if the throughput drops below 100 points per 10s and checked every 10s.
data
|deadman(100.0, 10s)
//Do normal processing of data
data...
上面的内容等同于这个示例：
var data = stream
|from()...
// Trigger critical alert if the throughput drops below 100 points per 10s and checked every 10s.
data
|stats(10s)
.align()
|derivative('emitted')
.unit(10s)
.nonNegative()
|alert()
.id('node \'stream0\' in task \'{{ .TaskName }}\'')
.message('{{ .ID }} is {{ if eq .Level "OK" }}alive{{ else }}dead{{ end }}: {{ index .Fields "emitted" | printf "%0.3f" }} points/10s.')
.crit(lambda: "emitted" <= 100.0)
//Do normal processing of data
data...
可以通过“deadman”配置部分全局配置id和message警报属性。
由于AlertNode是最后一部分，可以像往常一样进一步修改。 示例：
var data = stream
|from()...
// Trigger critical alert if the throughput drops below 100 points per 10s and checked every 10s.
data
|deadman(100.0, 10s)
.slack()
.channel('#dead_tasks')
//Do normal processing of data
data...
您可以指定额外的lambda表达式，以进一步限制何时触发死手按钮。 示例：
var data = stream
|from()...
// Trigger critical alert if the throughput drops below 100 points per 10s and checked every 10s.
// Only trigger the alert if the time of day is between 8am-5pm.
data
|deadman(100.0, 10s, lambda: hour("time") >= 8 AND hour("time") <= 17)
//Do normal processing of data
data...
eval|deadman(threshold float64, interval time.Duration, expr ...ast.LambdaNode)
返回: AlertNode
默认
创建一个节点，可以为缺失的标签或字段设置默认值。
eval|default()
返回: DefaultNode
删除
创建一个可以删除标签或字段的节点。
eval|delete()
返回: DeleteNode
导数
创建一个新节点，该节点计算相邻点的导数。
eval|derivative(field string)
返回: DerivativeNode
差异
计算独立于经过时间的点之间的差异。
eval|difference(field string)
返回: InfluxQLNode
唯一
生成仅包含不同点的批次。
eval|distinct(field string)
返回: InfluxQLNode
Ec2Autoscale
创建一个可以触发自动缩放事件的 EC2 自动缩放组节点。
eval|ec2Autoscale()
返回: Ec2AutoscaleNode
经过时间
计算点之间的经过时间。
eval|elapsed(field string, unit time.Duration)
返回: InfluxQLNode
评估
创建一个评估节点，该节点将对每个数据点评估给定的变换函数。可以提供表达式列表，并将按给定顺序进行评估。结果可供后续表达式使用。
eval|eval(expressions ...ast.LambdaNode)
返回： EvalNode
第一
选择第一个点。
eval|first(field string)
返回: InfluxQLNode
扁平化
将具有相似时间的点合并为一个点。
eval|flatten()
返回： FlattenNode
分组
按一组标签对数据进行分组。
可以传递字面量 * 来按所有维度分组。 示例：
|groupBy(*)
eval|groupBy(tag ...interface{})
返回: GroupByNode
霍尔特-温特斯
计算一个数据集的霍尔特-温特斯（/influxdb/v1/query_language/functions/#holt-winters）预测。
eval|holtWinters(field string, h int64, m int64, interval time.Duration)
返回: InfluxQLNode
霍尔特-冬季法与拟合
计算Holt-Winters (/influxdb/v1/query_language/functions/#holt-winters) 数据集的预测。 此方法还输出用于拟合数据的所有点，除了预测的数据。
eval|holtWintersWithFit(field string, h int64, m int64, interval time.Duration)
返回: InfluxQLNode
Http输出
创建一个HTTP输出节点，用于缓存它所接收到的最新数据。缓存的数据可以在给定的端点访问。该端点是从运行任务的API端点的相对路径。例如，如果任务端点位于 /kapacitor/v1/tasks/<task_id> 且端点为 top10，那么数据可以从 /kapacitor/v1/tasks/<task_id>/top10 请求。
eval|httpOut(endpoint string)
返回: HTTPOutNode
HttpPost
创建一个HTTP Post节点，将接收到的数据POST到提供的HTTP端点。HttpPost期望0或1个参数。如果提供0个参数，必须指定一个端点属性方法。
eval|httpPost(url ...string)
返回: HTTPPostNode
InfluxDB输出
创建一个 influxdb 输出节点，将传入的数据存储到 InfluxDB 中。
eval|influxDBOut()
返回： InfluxDBOutNode
加入
将此节点与其他节点连接。数据是基于时间戳进行连接的。
eval|join(others ...Node)
返回: JoinNode
K8s自缩放
创建一个可以触发Kubernetes集群自适应缩放事件的节点。
eval|k8sAutoscale()
返回: K8sAutoscaleNode
Kapacitor循环回路
创建一个将数据作为流发送回Kapacitor的kapacitor循环节点。
eval|kapacitorLoopback()
最后
选择最后一点。
eval|last(field string)
返回: InfluxQLNode
日志
创建一个节点，记录它接收到的所有数据。
eval|log()
返回: LogNode
最大值
选择最大点。
eval|max(field string)
返回: InfluxQLNode
均值
计算数据的平均值。
eval|mean(field string)
返回: InfluxQLNode
中位数
计算数据的中位数。
注意：此方法不是选择器。如果你想要中位数，请使用
.percentile(field, 50.0)。
eval|median(field string)
返回: InfluxQLNode
最小值
选择最小点。
eval|min(field string)
返回: InfluxQLNode
模式
计算数据的众数。
eval|mode(field string)
返回: InfluxQLNode
移动平均
计算最后窗口点的移动平均值。 在窗口填满之前不会发出任何点。
eval|movingAverage(field string, window int64)
返回: InfluxQLNode
百分位数
在给定百分位数处选择一个点。 这是一个选择器函数，不执行点之间的插值。
eval|percentile(field string, percentile float64)
返回: InfluxQLNode
示例
创建一个新节点，该节点对传入的点或批次进行采样。
每个指定的计数或持续时间将会发出一个点。
eval|sample(rate interface{})
返回: SampleNode
移位
创建一个新的节点，按时间移动传入的点或批次。
eval|shift(shift time.Duration)
返回: ShiftNode
侧载
创建一个可以从外部源加载数据的节点。
eval|sideload()
返回: SideloadNode
扩散
计算 min 和 max 点之间的差。
eval|spread(field string)
返回: InfluxQLNode
状态计数
创建一个节点，用于跟踪给定状态中连续点的数量。
eval|stateCount(expression ast.LambdaNode)
返回： StateCountNode
状态持续时间
创建一个跟踪给定状态下持续时间的节点。
eval|stateDuration(expression ast.LambdaNode)
统计
创建一个新的数据流，其中包含节点的内部统计信息。 间隔表示根据实时多长时间发出一次统计信息。 这意味着间隔时间与源节点接收的数据点次数无关。
eval|stats(interval time.Duration)
返回结果: StatsNode
标准差
计算标准差。
eval|stddev(field string)
返回: InfluxQLNode
总和
计算所有值的总和。
eval|sum(field string)
返回: InfluxQLNode
群集自动缩放
创建一个可以触发Docker swarm集群的自动缩放事件的节点。
eval|swarmAutoscale()
顶部
选择前 num 个点用于 field 并按任何额外标签或字段排序。
eval|top(num int64, field string, fieldsAndTags ...string)
返回: InfluxQLNode
涓流
创建一个新的节点，将批量数据转换为流数据。
eval|trickle()
返回: TrickleNode
联合
执行该节点与所有其他给定节点的并集。
eval|union(node ...Node)
返回： UnionNode
在哪里
创建一个新节点，该节点根据给定的表达式过滤数据流。
eval|where(expression ast.LambdaNode)
返回: WhereNode
窗口
创建一个新的节点，通过时间窗口化流。
注意：窗口只能应用于流边缘。
eval|window()
返回: WindowNode